商业数据分析（第3版）第9章.pptxVIP

预测性数据挖掘第9章 引言观测又叫做记录，是与单个实体有关的一组变量的记录值，经常表现为电子表格或数据库中的一行数值。有监督的学习：在有监督性的学习中，结果变量“监督”或指导着如何预测未来结果的“学习”过程。有监督学习方法:连续结果估计二元属性结果 引言数据挖掘过程包括以下几个步骤： 1、数据抽样。从与所研究问题有关的数据中抽取样本。 2、数据预处理。对采集的数据进行整理，以为正式的建模准备合适的数据形式。 3、数据分割。所谓数据分割，就是把样本数据切分成三组：训练集，验证集，以及为检验数据挖掘算法性能的测试集。 4、模型构建。针对训练数据集，运用合适的数据挖掘技术（比如：k-最近邻法，回归树），实现有目的的数据挖掘任务（如分类、估计）。 5、模型评价。根据构建的模型在训练数据集和验证数据集中表现的比较，对模型进行评估。 数据抽样、预处理与分割 数据抽样、预处理与分割处理大批量数据（数万个或数百万个观察）的最好方法，是抽取具有代表性的样本（数千个或万把个观察）进行分析。代表性样本表现在，从样本分析中得出的结论与全部总体数据分析得到的结论相同。样本数据必须足够大，以使包含的信息充分，可是也要足够小，以使数据处理起来便捷快速。一般来说，使用的数据量大，能使数据挖掘算法更有效。 数据抽样、预处理与分割一般来讲，样本中最好要包括尽可能多的变量。在使用描述统计和